BenchLeader

Gemini 3.7 Flash vs Grok 4.7

詳しいプロフィール:Gemini 3.7 Flash(Google)とGrok 4.7(SpaceXAI)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 12件の情報源のデータ

2026年11月16日時点で、品質ではGemini 3.7 FlashがGrok 4.7を上回ります(BenchLeader Indexで62.1 対 57.4)。価格はGemini 3.7 Flashの方が2.0倍安く、100万トークンあたりのブレンド価格で$1.50 対 $3.00です。推論(68 対 56)、マルチモーダル(67 対 56)、数学(63 対 56)を重視するならGemini 3.7 Flash、エージェント・ツール(57 対 49)を重視するならGrok 4.7が向いています。回答開始までの時間はGemini 3.7 Flashの方が短く、2.2秒 対 55.9秒です。Gemini 3.7 Flashは出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはGemini 3.7 Flashが62.1、Grok 4.7が57.4です(BenchLeader、2026年11月16日)。
  • Gemini 3.7 Flashの100万トークンあたりのブレンド価格は$1.50です(定価、2026年11月16日)。
  • Grok 4.7の100万トークンあたりのブレンド価格は$3.00です(定価、2026年11月16日)。
  • Gemini 3.7 FlashはGrok 4.7より出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある67件のベンチマークのうち、Gemini 3.7 Flashが38件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はGemini 3.7 Flashが1588、Grok 4.7が1641です(LMArena、2026年11月16日までの公開値)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングGemini 3.7 Flashカテゴリスコア62 対 61;Arena Coding 1520 対 1493中
エージェント・ツール利用Grok 4.7カテゴリスコア57 対 49;Terminal-Bench 38.8% 対 12.4%高
数学Gemini 3.7 Flashカテゴリスコア63 対 56;FrontierMath Tiers 1–3 71.6% 対 53.0%中
推論Gemini 3.7 Flashカテゴリスコア68 対 56;GPQA Diamond 94.8% 対 92.7%高
知識Gemini 3.7 Flashカテゴリスコア66 対 60;SimpleQA Verified 69.2% 対 56.0%中
長い文書Gemini 3.7 Flashカテゴリスコア66 対 63;AA-LCR v1.1 81.7% 対 76.7%中
画像などのメディアGemini 3.7 Flashカテゴリスコア67 対 56;Arena Vision 1313 対 1230高
チャットの質(人間の評価)Gemini 3.7 FlashArenaの投票で68 対 63中
最低コストGemini 3.7 Flash100万トークンあたりブレンド価格$1.50 対 $3.00;エージェント型コーディングセッション$0.060 対 $0.144–
回答開始の速さGemini 3.7 Flash最初の回答トークンまで2.2秒(Gemini 3.7 Flash (high))対 55.9秒(Grok 4.7 (xhigh))–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • 品質ではGemini 3.7 Flash (high)がリードしています:62.1 対 57.4。
  • Gemini 3.7 Flash (high)はコーディング、人間の評価、知識、長文コンテキスト、数学、マルチモーダル、推論で優れています。
  • Grok 4.7 (xhigh)はエージェント・ツールで優れています。
  • Gemini 3.7 Flash (high)の方が2.0倍安くなっています(100万トークンあたりブレンド価格$1.50 対 $3.00)。
  • Gemini 3.7 Flash (high)の方が出力が1.4倍速くなっています(95 対 68トークン/秒)。

概要

仕様Gemini 3.7 FlashGrok 4.7
プロバイダーGoogleSpaceXAI
リリース日2026年8月13日2026年9月21日
コンテキストウィンドウ(トークン)1,048,576500,000
比較した構成Gemini 3.7 Flash (high)Grok 4.7 (xhigh)
オープンウェイトなしなし
100万トークンあたりの価格(入力/出力/キャッシュ入力)$0.750 / $3.75 / $0.075$2.00 / $6.00 / $0.500

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリGemini 3.7 Flash (high)Grok 4.7 (xhigh)トップ
推論67.855.6Gemini 3.7 Flash
コーディング62.360.9Gemini 3.7 Flash
エージェント・ツール48.956.9Grok 4.7
数学62.655.8Gemini 3.7 Flash
知識65.959.9Gemini 3.7 Flash
人間の評価68.162.5Gemini 3.7 Flash
マルチモーダル67.255.5Gemini 3.7 Flash
長文コンテキスト65.562.9Gemini 3.7 Flash
総合–52.8比較不可

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価Gemini 3.7 Flash, 推論: 67.8Gemini 3.7 Flash, コーディング: 62.3Gemini 3.7 Flash, エージェント・ツール: 48.9Gemini 3.7 Flash, 数学: 62.6Gemini 3.7 Flash, 知識: 65.9Gemini 3.7 Flash, 長文コンテキスト: 65.5Gemini 3.7 Flash, マルチモーダル: 67.2Gemini 3.7 Flash, 人間の評価: 68.1Grok 4.7, 推論: 55.6Grok 4.7, コーディング: 60.9Grok 4.7, エージェント・ツール: 56.9Grok 4.7, 数学: 55.8Grok 4.7, 知識: 59.9Grok 4.7, 長文コンテキスト: 62.9Grok 4.7, マルチモーダル: 55.5Grok 4.7, 人間の評価: 62.5

描画していないもの(測定済みのモデルが2つ未満):指示追従。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある67件のベンチマークのうち、Gemini 3.7 Flashのリードが38件、Grok 4.7のリードが29件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flashが上回っています。

総合IndexGemini 3.7 Flash (high)Grok 4.7 (xhigh)トップ
BenchLeader Index62.157.4Gemini 3.7 Flash
Arena Text14891443Gemini 3.7 Flash

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Gemini 3.7 Flash (high)Grok 4.7 (xhigh)
100万トークンあたりのブレンド価格$1.50$3.00
100万トークンあたりの入力/出力$0.750 / $3.75$2.00 / $6.00
100万トークンあたりのキャッシュ入力$0.075$0.500
タスクあたりの価格:チャットの返答$0.0014$0.0026
タスクあたりの価格:30ページのレポートを要約$0.011$0.028
タスクあたりの価格:コード編集$0.010$0.021
タスクあたりの価格:エージェント型コーディングセッション$0.060$0.144
タスクあたりの価格:構造化データの抽出$0.0023$0.0052
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.030$0.076
ベンチマークのタスクあたりのコスト(AA Index)–$7.77
タスクあたりの出力トークン(AA Index)–105k
うち推論–69k
タスクあたりの時間(AA Index)–26 min
出力速度95 tok/s68 tok/s
回答開始までの時間2.2秒55.9秒
回答が完了するまでの時間(最終測定2026年11月13日)–145.5秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Gemini 3.7 Flash (high)のスコアは62.1、最初の回答トークンまで2秒。Gemini 3.7 Flash (medium)は60.1(2秒)、Gemini 3.7 Flash (low)は57.3(2秒)。Grok 4.7 (xhigh)のスコアは57.4、最初の回答トークンまで56秒。Grok 4.7 (high)は56.9(35秒)、Grok 4.7 (low)は55.4(10秒)。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

164件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Gemini 3.7 Flash (high)Grok 4.7 (xhigh)
BenchLeader IndexBenchLeader62.157.4
エージェント・ツールスコアBenchLeader48.956.9
コーディングスコアBenchLeader62.360.9
人間の評価スコアBenchLeader68.162.5
知識スコアBenchLeader65.959.9
長文コンテキストスコアBenchLeader65.562.9
数学スコアBenchLeader62.655.8
マルチモーダルスコアBenchLeader67.255.5
推論スコアBenchLeader67.855.6
総合スコアBenchLeader–52.8
ブレンド価格($/100万トークン)BenchLeader$1.50$3.00
出力速度BenchLeader95 tok/s68 tok/s
回答開始までの時間BenchLeader2.2秒55.9秒
コンテキストウィンドウBenchLeader1,048,576トークン500,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub94.8%92.7%
Arena Hard PromptsArena (LMArena)15101466
LiveBench 2.0 ReasoningLiveBench–82.7%
LiveBench 1.0 ReasoningLiveBench87.8%82.7%
GPQA Diamond (AA)Artificial Analysis94.5%–
Humanity's Last Exam (AA)Artificial Analysis47.9%43.1%
HLE-Diamond (AA)Artificial Analysis–23.2%
GPQA Diamond (Vals)Vals AI93.9%–
ARC-AGI-1ARC Prize95.5%89.5%
ARC-AGI-2ARC Prize84.6%61.4%
ARC-AGI-3ARC Prize–7.0%
CritPtArtificial Analysis14.3%17.7%
CritPt v2 hard subset (AA)Artificial Analysis–33.5%
MysteryMechanismVals AI–25.2%
HLE-Diamond (Scale)Scale AI SEAL–23.4%†
Arena ExpertArena (LMArena)15191478
Chess PuzzlesEpoch AI Benchmarking Hub66.0%41.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub37.0%29.0%
LMCAEpoch AI Benchmarking Hub50.4%49.4%
DTBenchEpoch AI Benchmarking Hub96.8%96.0%
ForecastBenchForecastBench66.2%–
コーディング
SciCodeSciCode57.2%57.4%
FrontierCodeCognition43.6%†47.6%†
Arena CodingArena (LMArena)15201493
Arena WebDevArena (LMArena)15881641
164件のベンチマークをすべて表示
指標公開元Gemini 3.7 Flash (high)Grok 4.7 (xhigh)
コーディング
LiveBench 2.0 CodingLiveBench–73.1%
LiveBench 1.0 CodingLiveBench78.9%77.2%
LiveCodeBenchVals AI88.7%–
IOIVals AI67.8%57.7%
SWE-bench (Vals)Vals AI80.8%–
Code MigrationVals AI34.8%44.8%
Code Migration v1.1Vals AI–53.2%
ProgramBenchVals AI0.0%0.5%
SWE-bench MultimodalVals AI–42.9%
Vibe Code Bench v1.1Vals AI70.4%86.2%
Vibe Code Bench 1-100 v1.1Vals AI–26.4%
SWE Atlas v1.1Scale AI SEAL–62.1%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–73.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–64.4%†
SWE Atlas v1.1: RefactoringScale AI SEAL–48.6%†
MirrorCodeEpoch AI Benchmarking Hub41.1%54.4%
DeepSWE v1.1Epoch AI Benchmarking Hub65.3%–
CursorBenchCursor–46.3%
ALE-BenchEpoch AI Benchmarking Hub904.31545.8
FrontierSWEEpoch AI Benchmarking Hub20.3%29.5%
WeirdML v3WeirdML–8.4%
Terminal-Bench 4.0 (AA)Artificial Analysis13.6%25.8%
Terminal-Bench 2.1 (AA)Artificial Analysis85.8%–
Startrise FrontendStartrise–75.9%†
GameBench 2 OverallDuelLab GameBench 2–63.6†
GameBench 2 by reasoning settingDuelLab GameBench 2–71.2
Design Arena WebsiteDesign Arena1295†1244†
FrontierCode 1.1 (AA)Artificial Analysis–33.8%
FrontierCode 2.0 (AA)Artificial Analysis–28.7%
エージェント・ツール
Terminal-BenchTerminal-Bench12.4%38.8%
Remote Labor IndexScale AI / CAIS5.0%†–
APEX-AgentsMercor67.8%†54.6%†
Arena AgentArena (LMArena)-2.22.6
LiveBench Long AgenticLiveBench–45.3%
LiveBench BrowserLiveBench–49.3%
LiveBench Agentic CodingLiveBench58.3%54.0%
Terminal-Bench 2.1 (Vals)Vals AI77.5%73.4%
GDPval-AA v2.1, normalised scoreArtificial Analysis–60.7%
GDPval-AA v2.1Artificial Analysis14041717
τ³-Banking (AA)Artificial Analysis32.8%–
ITBench SRE (AA)Artificial Analysis–42.1%
Analyst Agent (AA)Artificial Analysis60.0%52.5%
CyberBenchVals AI43.8%69.5%
Finance Agent v2Vals AI59.0%52.3%
Finance Agent v2.1Vals AI–60.6%
Harvey's Legal Agent Benchmark v1.1Vals AI–18.3%
Harvey's Legal Agent Benchmark v1Vals AI8.8%12.5%
Legal Research BenchVals AI34.6%47.1%
Robo-benchVals AI–0.2%
SkillsBenchVals AI65.9%–
SREBenchVals AI4.6%3.8%
Tax Agent BenchVals AI22.8%35.8%
Terminal-Bench 4.0 (Vals)Vals AI12.1%28.8%
Terminal-Bench ScienceVals AI7.1%10.0%
Arena Agent Task CompletionArena (LMArena)-3.55.1
Vending-Bench 2Andon Labs–10536.8†
AutomationBenchArtificial Analysis62.0%65.6%
GDP.pdf (AA)Artificial Analysis23.6%20.0%
Harvey LAB-AA v1.1Harvey–9.4%
EnterpriseOps-GymArtificial Analysis50.4%†–
AA-Briefcase v1.1Artificial Analysis11151636
GDPxGDPx by SemiAnalysis–3.9%
Design Arena AgenticDesign Arena1222†1277†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–11.4%
CWE-Bench (AA)Artificial Analysis–68.3%
DeepSec-Bench (AA)Artificial Analysis–26.9%
CyberGym end-to-end (AA)Artificial Analysis–74.0%
MKA (AA)Artificial Analysis–40.1%
FACTS SearchGoogle–85.6%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub71.6%53.0%
FrontierMath Tier 4Epoch AI Benchmarking Hub36.6%17.1%
OTIS Mock AIMEEpoch AI Benchmarking Hub97.2%98.1%
ProofBenchVals AI58.0%†26.0%†
LiveBench MathematicsLiveBench93.5%95.7%
Arena MathsArena (LMArena)15021447
FrontierMath ErdősEpoch AI Benchmarking Hub–0.0%
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub69.2%56.0%
LiveBench 2.0 Data AnalysisLiveBench–76.9%
LiveBench ResearchLiveBench–89.5%
LiveBench 1.0 Data AnalysisLiveBench68.0%76.9%
AA-Omniscience v1.1Artificial Analysis–31.2
MMLU-ProVals AI90.1%–
LegalBenchVals AI87.3%84.4%
TaxEvalVals AI74.7%–
PRBench LegalScale AI SEAL–47.6%
BioMysteryBenchVals AI–69.3%
Excel Modeling BenchmarkVals AI71.3%67.0%
Excel Modeling Benchmark v1.1Vals AI–71.5%
MedCodeVals AI53.4%49.5%
MedScribeVals AI83.9%89.4%
Public Benefits Bench v1.1Vals AI–65.6%
Access to Justice BenchmarkVals AI–73.7%
Financial Coaching BenchVals AI–74.1%
Immigration BenchVals AI–68.0%
GDP.pdfEpoch AI Benchmarking Hub23.8%22.8%
AA-Omniscience v1.1: accuracyArtificial Analysis–42.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–80.0%
HealthBench Professional (AA)OpenAI–55.8%
FACTS ParametricGoogle–54.3%†
指示追従
LiveBench LanguageLiveBench85.5%80.1%
LiveBench Instruction FollowingLiveBench79.9%75.3%
Arena Instruction FollowingArena (LMArena)14861435
人間の評価
Arena TextArena (LMArena)14891443
EQ-Bench Creative Writing v3EQ-Bench1720†2012†
Arena Creative WritingArena (LMArena)14871421
Arena Multi-turnArena (LMArena)14901435
Arena Longer QueriesArena (LMArena)15011454
マルチモーダル
Arena VisionArena (LMArena)13131230
LiveBench DesignLiveBench–75.0%
MMMU-ProArtificial Analysis85.5%78.2%†
MMMU-Pro (Vals)Vals AI89.0%–
MortgageTaxVals AI66.7%–
SAGEVals AI–88.7%
Humanity's Sixth SenseScale AI SEAL39.8%–
GeoBenchGeoBench–61.0%†
Blueprint-Bench 2Epoch AI Benchmarking Hub–32.5%†
Furniture AssemblyEpoch AI Benchmarking Hub26.7%20.8%
VIALS-AAHandshake AI–37.9%
Code2Video-AAArtificial Analysis–1127
AA-3DArtificial Analysis–992
FACTS MultimodalGoogle–40.9%†
長文コンテキスト
AA-LCR v1.1Artificial Analysis81.7%76.7%
Arena DocumentArena (LMArena)1468–
MLCRArtificial Analysis12.2%20.0%
FACTS GroundingGoogle–68.6%†
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub158.4†156.2†
LiveBench 2.0LiveBench–67.9%
LiveBench 1.0LiveBench78.8%77.4%
AA Intelligence Index v5.0.1Artificial Analysis–35.5
AA Intelligence Index v4.3.2Artificial Analysis39.146.5
AA Progress Index v1Artificial Analysis317.4322.7
Vals IndexVals AI–58.6
Vals Finance IndexVals AI–58.8%
Vals RSI IndexVals AI18.3%20.2%
Vals Science IndexVals AI–34.8%
Vals Router IndexVals AI–58.6%†
Vals Legal IndexVals AI–72.7%
AA Cyber IndexArtificial Analysis–56.4
安全性・誠実さ
DistressBenchScale AI SEAL69.0%†52.4%†

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Grok 4.7 (xhigh):BenchLeader Index 58.0 → 57.4。
  • Grok 4.7 (xhigh):新しい結果8件(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Gemini 3.7 Flash (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Grok 4.7 (xhigh):新しい結果1件(MirrorCode)。
  • Gemini 3.7 Flash (high):BenchLeader Index 62.6 → 62.1。
  • Grok 4.7 (xhigh):新しい結果1件(ALE-Bench)。
  • Gemini 3.7 Flash (high):スコアの改訂1件。
  • Grok 4.7 (xhigh):スコアの改訂2件。
  • Gemini 3.7 Flash (high):新しい結果1件(Arena Document)。
  • Grok 4.7 (xhigh):スコアの改訂2件。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Gemini 3.7 Flash vs Grok 4.7:よくある質問

Gemini 3.7 FlashはGrok 4.7より優れていますか?
品質ではGemini 3.7 Flash (high)がリードしています:62.1 対 57.4。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では総合でGemini 3.7 Flash (high)が上回っていますが、用途に合わせてカテゴリ別のスコアも確認してください。
Gemini 3.7 FlashとGrok 4.7はどちらが安いですか?今後変わる予定はありますか?
現在はGemini 3.7 Flashの方が安く、100万トークンあたり$1.50 対 $3.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはGemini 3.7 FlashとGrok 4.7のどちらが向いていますか?
コーディングではGemini 3.7 Flashの方がスコアが高くなっています(カテゴリ指標で62 対 61。50が平均)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Gemini 3.7 Flashが1588、Grok 4.7が1641です。
Gemini 3.7 FlashとGrok 4.7はどちらが速いですか?
Gemini 3.7 Flashの方が出力が速くなっています(出力95 対 68トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはGemini 3.7 FlashとGrok 4.7のどちらが向いていますか?
エージェント型のタスクではGrok 4.7の方がスコアが高くなっています(カテゴリ指標で57 対 49。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なTerminal-Benchでは、Gemini 3.7 Flashが12.4%、Grok 4.7が38.8%です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではGemini 3.7 Flashの方がスコアが高くなっています(66 対 63)。コンテキストはGemini 3.7 Flashの方が長く、1,048,576トークンです(Grok 4.7は500,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはGemini 3.7 Flashです。Artificial Analysisの測定では、最初の回答トークンまで2.2秒 対 55.9秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Gemini 3.7 FlashとGrok 4.7について、第三者ベンチマークの評価は一致していますか?
両方に結果がある67件のベンチマークのうち、Gemini 3.7 Flashのリードが38件、Grok 4.7のリードが29件です。両方を評価しているすべての総合指標で、Gemini 3.7 Flashが上回っています。
Grok 4.7はいつリリースされましたか?
Grok 4.7は2026年9月21日にリリースされました。